BAB 2

LANDASAN TEORI

2.1 Metode Statistik Nonparametrik

Metode statistik nonparametrik adalah metode yang modelnya tidak menetapkan

syarat-syarat mengenai parameter-parameter populasi yang merupakan induk
sampel penelitiannya. Beberapa asumsi yang berhubungan erat dengan metode
statistika nonparametrik adalah bahwa pengamatan tersebut bebas dan variabel
yang diamati kontinu, tetapi asumsi yang dibuat adalah lebih lemah dan kurang
teliti bila dibandingkan dengan uji parametrik. Uji nonparametrik tidak
membutuhkan suatu pengukuran dengan tingkat ketelitian yang tinggi seperti uji
parametrik. Uji nonparametrik dipakai untuk menganalisis data dalam skala
ordinal dan nominal (Sidney Siegel, 2011).

2.2 Skala Pengukuran

Teori pengukuran dapat dibedakan menurut perbedaan dalam tingkat

pengukurannya yang dapat dibagi dalam skala-skala yaitu:

Skala Nominal

Skala nominal dapat didefinisikan sebagai pengukuran dengan taraf paling rendah,
terjadi bila angka-angka atau simbol-simbol yang dipakai untuk mengelompokkan
suatu objek, orang atau suatu karakteristik. Penyusunan skala dalam kelas-kelas
merupakan suatu gugus atau rangkaian yang terpisah-pisah atau bebas. Satu-
satunya hubungan yang terdapat di antaranya adalah sifat kesamaan, tiap anggota
sub.

Universitas Sumatera Utara

Skala Ordinal

Skala ordinal dapat didefinisikan sebagai objek-objek dalam suatu kategori

mungkin tidak berbeda dengan objek yang lain, tetapi masing-masing objek
tersebut tergabung dalam satu hubungan. Hubungan tersebut berupa suatu sifat
atau keadaan lebih tinggi, lebih sukar, lebih disukai, lebih menderita, lebih masak,
dan sebagainya. Keadaan ini disimbolkan dengan tanda carat (>) yang
mengartikan suatu sifat lebih. Skala ordinal digunakan pada suatu hubungan
yang mempunyai sifat selalu sama.

Skala Interval

Skala interval dapat didefinisikan sebagai suatu pengukuran terhadap selisih dari
tiap-tiap angka dalam skala ordinal yang diketahui besarnya dengan lebih teliti.
Dalam penggunaan skala interval, tiap angka pengamatan dalam skala tidak
terpengaruh kalau dikalikan dengan suatu angka positif yang tetap dan kemudian
ditambahkan suatu konstanta pada hasil perkalian tersebut.

Skala Rasio

Skala rasio dapat didefinisikan bila suatu interval mempunyai titik nol yang nyata.
Dalam skala rasio perbandingan dari tiap titik pada unit pengukuran tidak akan
mengalami perubahan bila seluruh angka dalam perubahan tersebut dikalikan
dengan bilangan positif, sehingga tidak akan mengubah maksud atau keterangan
yang terkandung skala tersebut.

Universitas Sumatera Utara

2.3 Metode Korelasi Rank Spearman ( )

Korelasi rank Spearman adalah alat uji statistik yang digunakan untuk menguji
hipotesis asosiatif dua variabel bila datanya berskala ordinal (ranking). Metode
statistik ini merupakan yang pertama kali dikembangkan berdasarkan rank dan
diperkirakan yang paling banyak dikenal dengan baik hingga kini. Metode
korelasi rank Spearman diperkenalkan oleh Spearman pada tahun 1904. Nilai
statistiknya disebut rho, disimbolkan dengan . Metode korelasi rank Spearman
adalah ukuran asosiasi yang menuntut kedua variabel diukur sekurang-kurangnya
dalam skala ordinal sehingga objek-objek atau individu-individu yang dipelajari
dapat di ranking dalam dua rangkaian berurut. Jadi metode korelasi rank
Spearman adalah metode yang bekerja untuk skala data ordinal atau rangking dan
bebas distribusi.

Nilai korelasi rank Spearman berada diantara -1 s/d 1. Bila nilai = 0,

berarti tidak ada korelasi atau tidak ada hubungannya antara variabel independen
dan dependen. Nilai = +1 berarti terdapat hubungan yang positif antara variabel
independen dan dependen. Nilai = -1 berarti terdapat hubungan yang negatif
antara variabel independen dan dependen.

Tabel 2.1 Makna Nilai Korelasi Rank Spearman

Nilai Makna
0,00 0,19 Sangat lemah
0,20 - 0,39 Lemah
0,40 0, 59 Sedang
0,60 0,79 Kuat
0,80 1,00 Sangat kuat

Penjabaran rumus untuk menghitung cukup sederhana. Sebab hal ini

membantu menunjukkan sifat hakikat koefisien, dan juga karena penjabaran
tersebut akan mengungkapkan bentuk-bentuk lain yang dapat dipakai untuk
menyatakan rumus. Satu di antara kemungkinan-kemungkinan bentuk yang lain
akan dipergunakan bila perlu melakukan koreksi koefisiennya karena adanya
skor-skor beraneka-sama.

Universitas Sumatera Utara

 Jika = , di mana mean skor pada variabel , dan jika
= , maka rumus umum suatu koefisien korelasi adalah

= (2.1)
2 2

di mana jumlah-jumlah mencakup harga-harga N dalam sampelnya. Bila dan

adalah harga-harga ranking = , dan jumlah N bilangan bulat 1, 2, , maka
(+1)
= (2.2)
2
jumlah kuadrat bilangan-bilangan itu 12 , 22 , , 2 dapat ditunjukan sebagai
(+1)(2+1)
2 =
6

2 = ( )2
= 2 2
2
2 ( )
=

(+1) 2
(+1)(2+1)
= 2
6
2
2 (+1)
(+1)(2+1)
=
6
4

23 +2 +22 + (2 +2+1)
=
6
4
23 +32 + 3 +22 +
=
6
4
4
3
+62 +233 +62 +3
= 12
3
= (2.3)
12
Hal yang sama untuk variabel Y:
3
2 =
12

Andaikan =
2 = ( )2
= 2 2 + 2

Universitas Sumatera Utara

 2 = 2 + 2 2
Dari rumus (2.1) menyatakan bahwa:

= = jika observasi-observasi di ranking.
2 2

= 2 2
dan

2 = 2 + 2 2 2 2

2 2 2 = 2 + 2 2
Maka:
2 + 2 2
= (2.4)
2 2 2

3
dengan X dan Y dalam rank, dapat mensubstitusikan 2 = = 2
12
ke dalam rumus (2.4), sehingga didapatkan:
3 3
+ 2
= 12 12
3 3
2
12 12

3
2 2
12
= 3
2
12

2
=1 3
2
12

2
=1 3

6

6 2
= 1 (2.5)
3

Karena = = ( ) ( ) = dalam rank, dapat

dituliskan
6 2
=1
= 1 (2.6)
3
dengan: = koefisien korelasi rank Spearman.

Universitas Sumatera Utara

 N = jumlah pasangan observasi antara satu variabel terhadap variabel
lainnya.
d = perbedaan rangking yang diperoleh pada tiap pasangan observasi.
Rumus (2.6) adalah rumus yang paling efisien digunakan untuk menghitung
Spearman (Sidney Siegel, 2011).

Metode perhitungan nilai bisa dilakukan dengan membuat deretan N

subjek. Kemudian pada tiap subjek yang telah tersusun, tentukan rank untuk
variabel X dan juga pada variabel Y. Variasi nilai = perbedaan antara dua rank
X dan Y. Kuadratkan tiap nilai dan kemudian jumlahkan nilai 2 ini untuk
mendapatkan 2 2
=1 . Kemudian nilai =1 dan N (jumlah subjek) langsung

masukkan ke dalam rumus (2.6).

2.3.1. Rank Kembar

Kadang-kadang dijumpai dua subjek atau lebih yang menerima nilai yang sama
dalam perubah yang sama. Jika terjadi nilai yang sama, masing-masing diberi rank
rata-rata, sehingga pengaruh nilai yang sama dapat diatasi. Jika cuplikan yang
mempunyai nilai kembar ini tidak begitu banyak, maka rank kembar ini dapat
dikatakan tidak berpengaruh terhadap , oleh karena itu rumus (2.6) masih tetap
dapat digunakan. Namun apabila proporsi dari rank kembar ini cukup besar, maka
dalam perhitungan perlu dimasukkan faktor koreksinya.

Pengaruh rank kembar ini terhadap perubah X akan mengurangi besarnya

3 3
jumlah kuadrat (= 2 ) menjadi lebih kecil dari , atau 2 <
12
12
dan besarnya faktor koreksi tersebut adalah
3
=
12
Dimana t = jumlah rank kembar dari penelitian.
Jika menurut perhitungan jumlah rank kembar cukup banyak, maka dalam
perhitungannya nilai dapat digunakan rumus sebagai berikut:

Universitas Sumatera Utara

 2 + 2 2
= (2.7)
2( 2 )( 2 )

dengan ketentuan:
3
2 =
12
3
2 =
12

2.3.2. Uji Signifikansi

Jika subjek-subjek yang dipergunakan untuk menghitung nilai ditarik dari

populasi secara acak, harus dipergunakan skor untuk menderteminasi apakah
kedua perubah tersebut berhubungan erat dalam populasinya. Untuk tujuan
tersebut diperlukan pengujian terhadap 0 yang menyatakan bahwa kedua
perubah yang diteliti tidak berkorelasi dalam populasinya dan nilai berbeda
dengan nol hanya karena pengaruh kebetulan saja dengan hipotesa sebagai
berikut:
0 = Tidak ada korelasi antara X dan Y
1 = Ada korelasi antara X dan Y

Untuk < 25, penentuan signifikansi dapat diuji dengan:

2
= (2.8)
12

0 diterima bila 1 ( 2) +1 ( 2)
2 2

0 ditolak bila > 1 ( 2) < 1 ( 2)

2 2

Untuk penentuan signifikansinya dapat ditunjukkan melalui tabel-B.

Jika > 25, penentuan signifikansi dapat diuji dengan:
= . 1 (2.9)
0 diterima bila 1 + 1
2 2

0 ditolak bila > + 1 < 1

2 2

Untuk penentuan signifikansinya dapat ditunjukkan melalui tabel-A.

Universitas Sumatera Utara

2.3.3. Langkah Langkah Pengujian Korelasi Rank Spearman

Langkah-langkah penentuan koefisien korelasi rank Spearman adalah

sebagai berikut :
Berilah rangking observasi-observasi pada variabel X atau Y mulai 1
hingga N.
Daftar N subjek.
Tentukan harga untuk setiap subjek dengan mengurangkan ranking Y
pada ragking X. Kuadratkan masing-masing harga untuk menentukan
kemudian jumlahkan.
Dalam observasi-observasi X dan Y besar hitung dengan rumus :
x2 + 2 2
= ,jika proporsi angka sama
2 2 2

6 2
=1
= 1 , jika proporsi angka tidak sama
3
Jika subjek-subjek merupakan sampel random dari populasi tertentu,
dapat diuji apakah harga observasi memberikan petunjuk adanya
asosiasi antara variabel X dan variabel Y dalam populasinya dengan
syarat :
a. Untuk < 25, signifikansi suatu harga sebesar harga observasi
dapat ditetapkan dengan menghitung dengan menggunakan rumus:
2
=
12

b. Untuk > 25, penentuan signifikansi dapat diuji dengan :

= . 1
Lalu tentukan harga signifikannya dengan melihat tabel harga-harga
kritis t.

Universitas Sumatera Utara

2.4 Metode Korelasi Rank Kendall

Koefisien korelasi rank Kendall (), juga digunakan sebagai ukuran korelasi
dengan jenis data yang sama seperti data di mana korelasi rank Spearman ( )
dapat dipergunakan dengan syarat jika pengukurannya paling tidak dalam skala
ordinal bagi kedua perubah tersebut. Artinya jika sekurang-kurangnya tercapai
pengukuran ordinal terhadap variabel-variabel X dan Y, sehingga setiap subjek
dapat diberi rangking pada X maupun Y, maka korelasi rank kendall akan
memberikan suatu ukuran tingkat asosiasi atau korelasi antara kedua himpunan
ranking itu. Metode korelasi rank Kendall diperkenalkan oleh M.G Kendall pada
tahun 1938.

Koefisien korelasi rank kendall adalah rasio:

skor nyata ()
=
Maksimum skor kemungkinan

= fungsi minimum dari angka konversi atau pertukaran rank.

Pada umumnya nilai maksimum skor ditentukan oleh susunan , yang dapat
2
1
diuraikan menjadi ( 1). Dengan demikian hasil penyesuaian ini merupakan
2

pembagi terhadap skor nyata. Sebagai pembilang yang merupakan penjumlahan

skor dari pasangan-pasangan selanjutnya diberi simbol S. Dengan demikian

=1 (2.10)
(1)
2

dengan: = koefisien korelasi rank kendall

N = jumlah objek atau individu yang di rank pada X dan Y.
S = penjumlahan skor dari pasangan-pasangan

2.4.1. Rank Kembar

Jika ada dua atau lebih nilai pengamatan (baik antara perubahan X maupun Y)
yang sama, seperti biasanya nilai-nilai tersebut diberi rank rata-rata. Pengaruh dari

Universitas Sumatera Utara

nilai rank kembar tersebut adalah merubah besarnya penyebut pada rumus .
Dalam hal ini rumus menjadi:

= 1 1
(2.11)
(1) (1)
2 2

1
dengan : = ( 1)
2
: jumlah rank kembaran tiap kelompok kembarnya untuk perubah X.
1
= ( 1)
2
: jumlah rank kembaran tiap kelompok kembarnya untuk perubah Y.

2.4.2. Uji Signifikansi

Untuk 10, signifikansi hubungan antara kedua peubah dapat dideterminasi

dengan terlebih dahulu mencari nilai S kemudian pergunakan tabel D pada
lampiran. Jika , 0 ditolak.

Jika > 10, signifikansi dapat dipertimbangkan untuk

mempergunakan pendekatan sebaran normal dengan = 0 dan simpangan baku

2(2+5
=
9(1)

dengan rumus :

=


= 2(2+5)
(2.12)
9(1)

Hipotesisnya:
0 = Tidak ada korelasi yang cukup berarti antara dua variabel tersebut.
1 = Adanya korelasi yang cukup berarti antara dua variabel tersebut.
0 diterima bila 1 +1
2 2

0 ditolak bila > +1 < 1

2 2

Universitas Sumatera Utara

Untuk menentukan signifikansi z-nya pergunakan tabel A.

2.4.3. Langkah Langkah Pengujian Korelasi Rank Kendall.

Langkah-langkah penentuan koefisien korelasi rank Kendall adalah

sebagai berikut :
Berilah rangking observasi-observasi pada variabel X dan Y dari 1
hingga N.
Susunlah N subjek sehingga ranking-ranking X untuk subjek-subjek ada
dalam urutan wajar, yakni 1, 2, 3, , N.
Amatilah ranking-ranking Y dalam urutan yang bersesuaian dengan
ranking X yang ada dalam urutan wajar. Tentukan harga S untuk urutan
ranking Y.
Hitung korelasi rank kendall dengan rumus :

=1 , jika tidak terdapat angka sama
(1)
2

= 1 1
, jika terdapat angka sama
(1) (1)
2 2

Pengujian signifikansi keeratan hubungan kedua perubah X dan Y

bergantung pada besarnya N:
a. Untuk 10, Tabel D koefisien korelasi ranking Kendall
menunjukkan kemungkinan yang berkaitan dengan harga-harga
sebesar harga-harga observasi S.
Jika yang dihasilkan dengan metode yang sesuai sama atau kurang
dari , 0 ditolak untuk menerima 1 .

b. Untuk > 10, Tabel A memperlihatkan kemungkinan berkaitan

dengan suatu harga sebesar z observasi dengan menghitung harga z
yang berkaitan dengan menggunakan rumus:

= 2(2+5)
9(!)

Universitas Sumatera Utara

0 diterima bila 1 +1
2 2

0 ditolak bila > +1 < 1

2 2

Universitas Sumatera Utara